Инженер машинного обучения
О чём курс
Курс Яндекс Практикума посвящён работе инженера машинного обучения от сбора данных до развёртывания ML-моделей в облаке. Вы строите ML-пайплайны, обучаете и улучшаете модели, затем переходите к разработке сервисов и работе с ними в продакшне. В ходе курса студенты создают три сервиса для портфолио.
Программа курса
Работа начинается со сбора данных и построения пайплайнов. Следующая часть посвящена обучению и улучшению моделей, включая uplift-моделирование. Программа охватывает Python и задачи машинного обучения и Data Science.
Для разработки микросервисов вы изучаете FastAPI, Docker и контейнеризацию. Темы MLOps включают MLflow, AirFlow и Yandex Cloud. Курс доводит работу с моделью до её развёртывания в облаке и использования в продакшне.
Программа обучения
- Сбор данных и построение ML-пайплайнов
- Обучение и улучшение моделей (uplift-моделирование)
- Микросервисы: FastAPI, Docker, контейнеризация
- MLOps: MLflow, AirFlow, Yandex Cloud, продакшн
Другие материалы школы 12
ЯП Яндекс Практикум Все материалыОтзывов пока нет. Будьте первым!
Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.
Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.
Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.
Желательно знать Python на базовом уровне и уметь работать с Jupyter Notebook и Pandas.
Базовый SQL, умение готовить, очищать и описывать данные, знание принципов классического машинного обучения, опыт работы с Git и командной строкой.